Jak zarządzać stockiem w e-commerce? Jak BI pomaga podejmować decyzje zakupowe.

Skuteczne zarządzanie stockiem w e-commerce sprowadza się do trzech decyzji: kiedy zamówić, ile zamówić i które SKU wymagają reakcji teraz. Business Intelligence odpowiada na te pytania automatycznie — łącząc dane sprzedażowe, stany magazynowe i prognozy popytu — zamiast pozostawiać je intuicji kupca. Efekt: mniej braków, mniej zamrożonego kapitału, więcej decyzji opartych na liczbach.

• Dlaczego e-commerce traci kontrolę nad stockiem?
• Jak BI pomaga zarządzać stockiem w e-commerce?
• Jak wygląda dashboard do zarządzania stockiem?
• Jakie decyzje biznesowe podejmujesz dzięki BI — i co to zmienia?
• FAQ: Zarządzanie stockiem w e-commerce
• Zarządzanie stockiem w e-commerce — co warto zapamiętać?

Brak narzędzi analitycznych prowadzi do dwóch kosztownych skrajności, które często występują jednocześnie w tej samej firmie:

• Brak towaru — klient widzi „produkt niedostępny” i kupuje u konkurencji. Utracona sprzedaż jest niewidoczna w raportach, bo nie zostawia śladu w zamówieniach.
• Nadstock — zbyt duże zamówienie zamraża gotówkę w magazynie. Przy 500 aktywnych SKU nawet 10% overstocku to realne dziesiątki tysięcy złotych unieruchomionego kapitału.
• Decyzje „na wyczucie” — kupiec zamawia tyle, ile zawsze, bo „tak się robiło”. Sezonowość, trendy i zmiany dostępności u dostawców są ignorowane.

Większość sklepów ma dane. Problem w tym, że są rozproszone między systemami:

• ERP / platforma e-commerce — historia sprzedaży, stany magazynowe, rezerwacje
• Oferty dostawców i hurtowni — dostępność, ceny zakupu, minimalne ilości zamówień (MOQ)
• Arkusze Excela — plany zakupów, wyjątki, ręczne korekty

Żadne z tych źródeł z osobna nie powie Ci, że za 12 dni zabraknie konkretnego rozmiaru bestsellera, bo właśnie wchodzi szczyt sezonu i dostawca ma opóźnienia.

Dobry system BI do zarządzania zapasami łączy trzy warstwy danych:

Kluczowe jest zejście na poziom pojedynczego SKU — nie kategorii, nie marki. Buty w rozmiarze 42 i 46 mogą mieć zupełnie inną rotację, choć w zbiorczym raporcie wyglądają identycznie.

BI przelicza dla każdego SKU cztery kluczowe wskaźniki:

1. Prognoza popytu — ile sztuk sprzeda się w ciągu najbliższych 30/60/90 dni. W praktyce sprawdza się algorytm Prophet, który automatycznie uwzględnia sezonowość i odchylenia. Dla SKU z krótką historią sprzedaży stosuje się uproszczone estymacje.
2. Dni zapasu — przy aktualnym tempie sprzedaży, na ile dni wystarczy obecny stock.
3. ROP (Re-Order Point) — minimalny poziom zapasu, po osiągnięciu którego należy złożyć zamówienie, żeby towar dotarł zanim skończy się stock.
4. Optymalna wielkość zamówienia — ile sztuk zamówić, biorąc pod uwagę prognozę, MOQ dostawcy i pojemność magazynu. Do optymalizacji rozkładu zamówień w czasie używa się algorytmu Simplex (np. w Pythonie z biblioteką Pyomo), którego funkcja celu to minimalizacja liczby składanych zamówień w zdefiniowanym okresie.

Przykład: SKU z dzienną sprzedażą 8 sztuk i czasem dostawy 14 dni wymaga ROP na poziomie minimum 112 sztuk (plus bufor bezpieczeństwa). Jeśli dziś masz 130 sztuk — BI flaguje ten produkt do zamówienia w ciągu 2 dni.

Dashboard jest zbudowany w trzech warstwach: alerty → monitoring → szczegóły operacyjne. Każda odpowiada innemu poziomowi decyzji.

Pierwsza sekcja to lista SKU wymagających działania dziś — Today’s Actions:

• 🔴 Stock poniżej ROP — złóż zamówienie natychmiast
• 🟡 Coverage poniżej X dni — ryzyko stockout w najbliższym czasie
• 🟣 Problem z dostępnością u dostawcy — szukaj alternatywy lub zwiększ zapas prewencyjnie

Dla kierownika operacyjnego to nie raport do analizy — to lista zadań na dziś rano.

Warstwa monitoringowa pokazuje cały portfel SKU z podziałem na statusy:

Uzupełniają ją: wykres trendu zapasu vs. sprzedaż oraz Top 10 najbardziej problematycznych SKU w danym momencie.

Moment zamówienia wyznacza ROP. Wielkość zamówienia to osobna optymalizacja, która uwzględnia: prognozowany popyt do następnej dostawy, MOQ dostawcy, pojemność magazynu oraz historyczne braki u danego dostawcy (dla nich system automatycznie zwiększa bufor). Wynik: jedna liczba — zamów X sztuk od dostawcy Y, żeby pokryć zapotrzebowanie do konkretnej daty.

BI eliminuje konieczność ręcznego przeglądania setek pozycji. Zamiast analizować cały arkusz, kierownik dostaje listę SKU wymagających działania — posegregowaną według pilności.

To pozornie sprzeczne cele — więcej towaru chroni przed brakami, ale zamraża gotówkę. BI rozwiązuje ten konflikt przez precyzję: zamiast zamawiać „z zapasem na wszelki wypadek”, system wyznacza optymalny poziom dla każdego SKU osobno. Efekt to mniej braków tam, gdzie rotacja jest wysoka, i mniej overstocku tam, gdzie sprzedaż jest wolna.

1. Kiedy zamówić towar w e-commerce?

Zamów, gdy aktualny stan magazynowy spadnie poniżej ROP (Re-Order Point). ROP to minimalna ilość, która pokrywa sprzedaż w czasie realizacji zamówienia u dostawcy, plus bufor bezpieczeństwa. Dla każdego SKU wartość ROP jest inna — zależy od tempa sprzedaży i czasu dostawy.

2. Jak uniknąć braków magazynowych?

Podstawa to prognoza popytu na poziomie SKU z uwzględnieniem sezonowości. Uzupełnia ją monitoring dostępności u dostawców — jeśli dostawca regularnie ma braki, system automatycznie podnosi poziom buforu bezpieczeństwa dla jego produktów.

3. Jak ograniczyć overstock?

Overstock pojawia się, gdy zamawiasz za dużo lub za wcześnie. BI rozwiązuje oba problemy: optymalizuje wielkość zamówienia (nie więcej niż potrzeba do następnej dostawy) i przesuwa moment zamówienia tak późno, jak pozwala na to czas realizacji.

4. Jak BI pomaga w zarządzaniu zapasem?

BI łączy dane sprzedażowe, magazynowe i dostawców w jednym miejscu, przelicza prognozy i wskaźniki dla każdego SKU, a następnie podaje konkretne rekomendacje: który produkt zamówić, ile sztuk i kiedy. Zamiast analiz — lista akcji.

Braki i nadstany to dwa objawy tego samego problemu: decyzje zakupowe podejmowane bez danych. BI rozwiązuje go u źródła — łącząc historię sprzedaży, stany magazynowe i dostępność dostawców w jednym miejscu, przeliczając ROP i prognozę popytu dla każdego SKU osobno, i podając konkretną odpowiedź: zamów X sztuk od dostawcy Y przed datą Z.

Efekt to nie tylko mniej braków i mniej zamrożonego kapitału. To przede wszystkim koniec zarządzania na wyczucie — i początek operacji opartej na liczbach.

Chcesz zobaczyć to w liczbach? Sprawdź case study z wdrożenia w branży beauty albo dowiedz się więcej o naszym rozwiązaniu BI i umów bezpłatną konsultację.